MATLAB神经网络43个案例分析.pdf 王小川！！！

风中的漂流瓶

本书是在《MATLAB神经网络30个案例分析》的基础上修改、补充而成的，秉承着“理论讲解—案例分析—应用扩展”这一特色，帮助读者更加直观、生动地学习神经网络。
& `( o0 @& Z- X: h
4 L1 g- e. e( E9 _5 }本书共有43章，内容涵盖常见的神经网络（BP、RBF、SOM、Hopfield、Elman、LVQ、Kohonen、GRNN、NARX等）以及相关智能算法（SVM、决策树、随机森林、极限学习机等）。同时，部分章节也涉及了常见的优化算法（遗传算法、蚁群算法等）与神经网络的结合问题。此外，本书还介绍了MATLAB R2012b中神经网络工具箱的新增功能与特性，如神经网络并行计算、定制神经网络、神经网络高效编程等。
! O. [; @& y7 t+ S使用本书时，建议读者按照“先通读章节内容，后调试程序，再精读章节内容”的顺序学习。本书程序建议在MATLAB R2009a及以上版本环境下运行。若在程序调试过程中有任何疑问，建议先在论坛书籍答疑版块搜索相关答案，然后再发帖与作者交流。
本书可作为高等学校相关专业学生本科毕业设计、研究生课题研究的参考书籍，亦可供相关专业教师教学参考。

2 v- ^/ c. ]- d7 X) n& W随书附赠的程序源代码请到北京航空航天大学出版社网站的“下载专区”免费下载。也可登录MATLAB技术论坛（www.matlabsky.com）到相应书籍答疑版块免费下载。
# m  m1 R$ S. C
0 |# K" v# i7 [. Q
编辑推荐
本书详细论述了在MATLAB环境下如何实现神经网络，包括了常用的神经网络及相关理论，以及各种优化算法与神经网络的结合。考虑到MATLAB R2012b版本中神经网络工具箱作了更新，本书也新增了神经网络并行运算、定制神经网络、神经网络高效编程等章节，非常适合中高级神经网络研究人员参考。
9 F; ]& _1 G& C作为众多宣讲MATLAB家族产品丛书中的一个系列，该书的最大特点是接地气，实用性强。四位作者都是长期活跃在MATLAB技术论坛的版主，每天都会在线解答MATLAB特别是针对神经网络的问题，积累了丰富的使用经验。本书所举例的43个案例，部分来源于各大公司、院校的科研课题，也有一部分来源于MATLAB技术论坛的会员提问。这些案例代表了神经网络在各个领域的相关应用，读者可以根据自己研究问题的需要，第一时间找到适合自己学习的神经网络章节，进行阅读。
作者简介
; E+ }. R( I" ?9 P0 Q$ {王小川，网名hgsz2003，MATLAB技术论坛(www．matlabsky．com)管理团队核心成员。现于同济大学经济与管理学院攻读博士学位，长期研究神经网络在统计学中的应用，精通MATLAB、SAS、SPSS等统计软件，热衷数据分析和数据挖掘工作，擅长竞争神经网络在数据挖掘中的运用，有着扎实的理论基础和丰富的实战经验。著有《MATLAB神经网络30个案例分析》一书。史峰，网名shi01fg，对外经济贸易大学国际经济贸易学院金融学专业在读博士，MAT—LAB技术论坛(WWW．matlabsky．com)管理团队核心成员。从MATLAB 6．5开始接触MATLAB软件，主要用于金融软件开发、科学计算、交易策略研究等，并有多个MATLAB工程开发经验；在长期的使用过程中积累了较丰富的编程经验，擅长于神经网络、智能算法、科学计算和GUI设计。著有《MATLAB神经网络30个案例分析》、《MATLAB智能算法30个案例分析》等畅销书。郁磊，网名yuthreestone，MATLAB技术论坛(www．matlabsky．c。m)管理团队核心成员。现工作于中科院苏州生物医学工程技术研究所，研究方向为智能控制与模式识别、生理仿真建模、远程医护等。使用MATLAB近10年，对各个版本的MATLAB开发环境及工具箱非常熟悉，具有丰富的MATLAB开发、设计经验。著有《MATLAB神经网络30个案例分析》、《MATLAB智能算法30个案例分析》等畅销书。李洋，网名faruto，MATLAB技术论坛(www．matlabsky．com)管理团队核心成员，北京师范大学应用数学硕士，8年MATLAB编程经验，对机器学习、量化投资等领域感兴趣，已出版书籍《MATLAB神经网络30个案例分析》，现就职于国内某期货公司研究院量化投资部，进行程序化交易和量化投资相关策略的研发工作。
目录
第1章BP神经网络的数据分类——语音特征信号分类
- \9 F. U# i6 `3 \9 f1 s, U2 p. h1.1案例背景
" P7 T* k4 [# T# J* j' S1 m' i1.1.1BP神经网络概述
1.1.2语音特征信号识别
8 v6 [% L( g( J' |1.2模型建立
1.3MATLAB实现
1.3.1归一化方法及MATLAB函数
1.3.2数据选择和归一化
, q# J2 j0 G, Z6 X$ P/ L, d2 K8 v1.3.3BP神经网络结构初始化
6 p1 p' e6 m2 U! O/ i1 A1.3.4BP神经网络训练
' q4 [9 C7 k, b$ t1.3.5BP神经网络分类
- g" B% p0 P( E+ l- O1.3.6结果分析
- c0 ^: A6 K- {5 J( X& J1 @1.4案例扩展
' v; d  ~4 l+ y0 }3 d1.4.1隐含层节点数
6 \, q, l& f+ Q# U, X, E1.4.2附加动量方法
4 _# l; \- }7 T$ _9 c1.4.3变学习率学习算法
参考文献
$ P' Z# U" h  v# |* j第2章BP神经网络的非线性系统建模——非线性函数拟合
2.1案例背景
2.2模型建立
% p3 U  `" y2 o8 m2.3 MATLAB实现
2.3.1 BP神经网络工具箱函数
1 d( o5 S2 [" V& v4 |$ Y( s2.3.2数据选择和归一化
2.3.3 BP神经网络训练
* m9 g) ~" P" ]! Q' F6 f2.3.4 BP神经网络预测
( A: b& f2 D: h$ ^2.3.5结果分析
) e$ M5 u% c, i; {2.4案例扩展
) C7 G4 _1 t% R2.4.1多隐含层BP神经网络
' i) E0 O+ |: j( P* a& h1 b  C2.4.2隐含层节点数
, q8 ^, V+ q5 n1 H: V2.4.3训练数据对预测精度影响
2.4.4节点转移函数
2.4.5网络拟合的局限性
参考文献
5 n4 C* b2 p* d) }+ e& s7 x! h第3章 遗传算法优化BP神经网络——非线性函数拟合
3.1案例背景
; Y2 x7 p7 @6 D; c+ I! O3.1.1遗传算法原理
3 v9 @0 r+ b/ T7 V! H3.1.2遗传算法的基本要素
% u! l6 U$ K$ N4 J/ x/ `3.1.3拟合函数
3.2模型建立
* T5 F4 Y( X% ~# b! F3.2.1算法流程
3.2.2遗传算法实现
: i& L/ R4 j- ^1 T3.3编程实现
# x' Q  l: O& M0 a' l: u0 K" f3.3.1适应度函数
3.3.2选择操作
3.3.3交叉操作
5 F: b3 g! A# r$ b. w- `% X5 u; ~3.3.4变异操作
0 [8 h, i0 e. o: S' G! [3.3.5遗传算法主函数
0 k: G  p5 V5 i9 q2 N3.3.6 遗传算法优化的BP神经网络函数拟合
1 G0 B0 ~9 X9 K3.3.7结果分析
$ f. A! N' M9 R: h; M- @! P3.4案例扩展
7 {# h. Y% s- L& q: k4 x3.4.1其他优化方法
# ^9 N7 q; T0 o+ q6 X% {3 ?3.4.2网络结构优化
3.4.3算法的局限性
参考文献
第4章 神经网络遗传算法函数极值寻优——非线性函数极值寻优
4.1案例背景
4.2模型建立
4.3编程实现
4.3.1 BP神经网络训练
" V% F5 s" ]- Z4 w1 `8 G9 m4.3.2适应度函数
" x$ c! `# Z5 C7 G0 i2 f/ y4.3.3遗传算法主函数
; g+ F3 }% [; J- Z2 z4.3.4结果分析
1 s% a/ R2 m# h, ?+ E4.4案例扩展
+ p  U; G6 |3 j( {# t8 Y4.4.1工程实例
4.4.2预测精度探讨
参考文献
( n  N# ~6 E/ @8 A1 R第5章 基于BP—Adaboost的强分类器设计——公司财务预警建模
5.1案例背景
5.1.1 BP—Adaboost模型
5.1.2公司财务预警系统介绍
8 l6 w5 Y$ z7 k4 b& G. A9 m5.2模型建立
" J+ b6 u/ {4 E3 H4 T5.3编程实现
1 o) u) b: u/ r- m8 i4 L: j5.3.1数据集选择
5.3.2弱分类器学习分类
' X* Y/ Y+ U& J3 K# I5.3.3强分类器分类和结果统计
* S7 h2 n9 h9 z: _" l5.3.垂结果分析
5.4案例扩展
; R5 y2 M' `+ y3 y+ e( [- k5.4.1数据集选择
. _/ c. D- C/ j& }+ h- T5.4.2弱预测器学习预测
1 K7 N, q! y  y1 Y5.4.3强预测器预测
5.4.4结果分析
' r( e8 V- k+ Y8 \7 L- k+ Y4 ~参考文献
第6章PID神经元网络解耦控制算法——多变量系统控制
6.1案例背景
- S0 {# q5 _: U0 Z+ K, @6.1.1 PID神经元网络结构
+ k" g% K* u! y6 ^, k6.1.2控制律计算
+ `& m. Z% p' |, ]% m% A3 _6.1.3权值修正
6.1.4控制对象
6.2模型建立
6.3编程实现
+ }$ V6 n6 `( N6.3.1 PID神经网络初始化
6.3.z控制律计算
6.3.3权值修正
6 D' Y: s2 o6 `6.3.4结果分析
6.4案例扩展
/ u  _+ \6 U5 l5 `; t  i6.4.1增加动量项
6.4.2神经元系数
  M& m# {% k5 J# {/ Q' Q6.4.3 PID神经元网络权值优化
参考文献
第7章 RBF网络的回归——非线性函数回归的实现
* ~& c' F7 Y& _2 x7.1案例背景
7.1.1 RBF神经网络概述
% v+ ?. k+ O; c4 h! Z2 X7.1.2 RBF神经网络结构模型
; W7 t& @, O. k5 n% u! v7.1.3 RBF神经网络的学习算法
7.1.4曲线拟合相关背景
1 p2 f, B$ o0 ~8 T. ]$ B6 P7.2模型建立
7.3 MATLAB实现
1 }% Q8 h, W/ V1 _7 Y* f7.3.1 RBF网络的相关函数
5 l. {0 B( D8 T* d) z. G8 @" O7.3.2结果分析
7.4案例扩展
, N' r, Y* z. @7.4.1应用径向基神经网络需要注意的问题
7.4.2 SPREAD对网络的影响
参考文献
& S% o7 O( Y2 S第8章 GRNN的数据预测——基于广义回
1 M: o+ n! U$ L7 E& j. y归神经网络的货运预测
3 b* f, d1 |8 l* k1 A$ X8.1案例背景
8.1.1 GRNN神经网络概述
" J/ _1 L  ?, G4 S8.1.2 GRNN的网络结构
8.1.3 GRNN的理论基础
8.1.4运输系统货运量预测相关背景
8 ?/ ^; q4 {: Y+ i" s7 i8.2模型建立
8.3 MATLAB实现
' p4 F( }+ E8 Z" ^6 {8.4案例扩展
参考文献
第9章 离散Hopfield神经网络的联想记忆——数字识别
* `; S6 C* r0 r) ^# _- W# }! w9.1案例背景
; g* Q7 N, z# o2 W8 q( v3 t, w9.1.1离散Hopfield神经网络概述
5 N2 `3 F* h1 R) ]/ @+ R8 N9.1.2数字识别概述
  J% m; r  Z! y. O' _2 b7 B9.1.3问题描述
  z* z* y/ o8 I3 l7 O4 ~+ _9 \9.2模型建立
9.2.1设计思路
9.2.2设计步骤
9.3 Hopfield网络的神经网络工具箱函数
9.3.1 Hopfield网络创建函数
3 m# D/ |& i, d2 I+ x0 c9.3.2 Hopfield网络仿真函数
. A& ^4 k; ~2 z9.4 MATLAB实现
9.4.1输入输出设计
9.4.2网络建立
" j% Z# F2 P' [0 _9 u# J) E9.4.3产生带噪声的数字点阵
9.4.4数字识别测试
9.4.5结果分析
9.5案例扩展
* o- A" C0 ^  {- b2 t1 P* s: X- {9.5.1识别效果讨论
: G4 K, q: |  r9.5.2应用扩展
$ i# O( o2 R4 Z7 l" w参考文献
第10章 离散Hopfield神经网络的分类——高校科研能力评价
10.1案例背景
10.1.1离散Hopfield神经网络学习规则
: O! a7 u& P9 E2 _: v# ]9 g10.1.2高校科研能力评价概述
9 [! Q4 B8 @# O" ]0 K2 A10.1.3问题描述
/ p% ^, M4 [4 W; g& `& K* o10.2模型建立
10.2.1设计思路
) q, s' E  W; [- p10.2.2设计步骤
10.3 MATLAB实现
10.3.1清空环境变量
10.3.2导人数据
# z1 r/ K" T7 m( F0 Y10.3.3创建目标向量（平衡点）
10.3.4创建网络
10.3.5仿真测试
10.3.6结果分析
5 A( J- g4 `- `# W1 ~: ]% q! W10.4案例扩展
" s! w  O( }# U1 y7 ?5 v参考文献
第11章 连续Hopfield神经网络的优化——旅行商问题优化计算
# `5 w# x$ x. O' }) k11.1案例背景
11.1.1连续Hopfield神经网络概述
11.1.2组合优化问题概述
2 l' }  w7 s5 b3 V  Y" `11.1.3问题描述
11.2模型建立
" d$ O7 l& F8 ^9 j' a/ a11.2.1设计思路
1 d+ I% e+ n0 p- D2 p11.2.2设计步骤
11.3 MATLAB实现
+ |* o5 s* d. P2 W11.3.1清空环境变量、声明全局变量
; x1 U1 t3 v0 y5 e' k& ~; B2 |! ~11.3.2城市位置导入并计算城市间距离
11.3.3初始化网络
11.3.4寻优迭代
* a' H2 S6 r$ r) ^11.3.5结果输出
11.4案例扩展
11.4.1结果比较
  V0 |$ X8 `8 {11.4.2案例扩展
8 d4 q; J# [0 p7 d参考文献
第12章初识SVM分类与回归
/ f, i5 c* V3 l1 ]6 f. b9 U" a( X6 G12.1案例背景
12.1.1 SVM概述
12.1.2 LIBSVM工具箱介绍
7 d& L* t7 s# a3 w. `12.1.3 LIBSVM工具箱在MATLAB平台下的安装
5 t  D* Y" H* {6 n12.2 MATLAB实现
; O7 @5 }- a% ~/ M12.2.1使用LIBSVM进行分类的小例子
: B+ V! R$ a' H; z12.2.2使用LIBSVM进行回归的小例子
; p+ _) k1 ~) X! c  t3 _12.3案例扩展
' |1 _* }. h$ r1 ]参考文献
第13章LIBSVM参数实例详解
13.1案例背景
6 u5 Q6 v* y- `' H13.2 MATLAB实现
13.3案例扩展
2 }5 o5 m7 S- ~参考文献
1 j; f/ @0 J2 {第14章 基于SVM的数据分类预测——意大利葡萄酒种类识别
, C0 ]7 [: h; l# ]+ L$ u6 {( t0 }, b% D14.1案例背景
14.2模型建立
5 n4 Z5 I: h) ]0 ^14.3 MATLAB实现
14 3.1选定训练集和测试集
……
第15章SVM的参数优化——如何更好地提升分类器的性能
; _* ?) ^! \% Q5 v& D% {2 g- F第16章基于SVM的回归预测分析——上证指数开盘指数预测
0 b" S: p6 Z( {4 F9 v第17章基于SVM的信息粒化时序回归预测——上证指数开盘指数变化趋势和变化空间预测
' f% q/ y3 ?  ^: H9 H) f第18章基于SVM的图像分割——真彩色图像分割
9 ]$ r4 d9 n7 Z1 t第19章基于SVM的手写字体识别
第20章LIBSVM—FarutoUltimate工具箱及GuI版本介绍与使用
3 `4 B# P9 x( g1 K8 a( ?- L第21章自组织竞争网络在模式分类中的应用——患者癌症发病预测
第22章SOM神经网络的数据分类——柴油机故障诊断
第23章Elman神经网络的数据预测——电力负荷预测模型研究
第24章概率神经网络的分类预测——基于PNN的变压器故障诊断
第25章基于MIV的神经网络变量筛选——基于BP的神经网络变量筛选
第26章LVQ神经网络的分类——乳腺肿瘤诊断
' r, Z  d+ W  w0 r) ]* G: R3 q第27章LVQ神经网络的预测——人脸朝向识别
第28章决策树分类器的应用研究——乳腺癌诊断
第29章极限学习机在回归拟合及分类问题中的应用研究——对比实验
第30章基于随机森林思想的组合分类器设计——乳腺癌诊断
+ `/ t. C  Y/ I, z) c- _" V第31章思维进化算法优化BP神经网络——非线性函数拟合
4 r- o9 R+ m$ Q: \3 n* l( p7 K第32章小波神经网络的时间序列预测——短时交通流量预测
第33章模糊神经网络的预测算法——嘉陵江水质评价
: B. o( U+ |+ X( }. c( `第34章广义神经网络的聚类算法——网络入侵聚类
3 [- m! K; C7 u, e第35章粒子群优化算法的寻优算法——非线性函数极值寻优
; x$ r/ K2 l  j( d8 Y) ]第36章遗传算法优化计算——建模自变量降维
$ _/ P* L! h& t: d2 P第37章基于灰色神经网络的预测算法研究——订单需求预测
第38章基于Kohonen网络的聚类算法——网络入侵聚类
% J: H* L% z, K; F第39章神经网络GUI的实现——基于GUI的神经网络拟合、模式识别、聚类
第40章动态神经网络时间序列预测研究——基于MATLAB的NARX实现
第41章定制神经网络的实现——神经网络的个性化建模与仿真
第42章并行运算与神经网络——基于CPU／GPU的并行神经网络运算
第43章神经网络高效编程技巧——基于MATLABR2012b新版本特性的探讨
. v0 ?6 {! y0 D. z序言
2 V6 @3 [3 Z$ h0 s7 t# F序言
0 Q; v% X9 O+ q4 n. m3 \很荣幸受好友王小川之邀，并代表MathWorks公司为其新书《MATLAB神经网络43个案例分析》（《MATLAB神经网络30个案例分析》的升级版本）作序，同时也感谢该书四位才华横溢的青年才俊这几年来对MATLAB软件应用（尤其是在神经网络方面）所做的持续的推广工作。
+ u9 l0 J% n/ O我与这四位作者的结缘，与众多编著MATLAB丛书的作者相识过程类似，完全是因为热爱MATLAB产品。尤其是王小川，他不仅在论坛、微博里充满能量，而且他的数据挖掘公开课也令人称道，在MATLAB粉丝中有着很大的影响力。此次他集合原书作者，针对读者就原书中的书籍案例和写作上所提出的意见和建议，进行了大幅升级，终于完成了这本《MATLAB神经网络43个案例分析》的编写。
' [6 x0 a' }( }7 t/ ^0 K本书详细论述了在MATLAB环境下如何实现神经网络，包括了常用的神经网络及相关理论，以及各种优化算法与神经网络的结合。考虑到MATLAB R2012b版本中神经网络工具箱作了更新，本书也新增了神经网络并行运算、定制神经网络、神经网络高效编程等章节，非常适合中高级神经网络研究人员参考。
/ b/ z$ u4 z: j2 x  C作为众多宣讲MATLAB家族产品丛书中的一个系列，该书的最大特点是接地气，实用性强。四位作者都是长期活跃在MATLAB技术论坛的版主，每天都会在线解答MATLAB特别是针对神经网络的问题，积累了丰富的使用经验。本书所举例的43个案例，部分来源于各大公司、院校的科研课题，也有一部分来源于MATLAB技术论坛的会员提问。这些案例代表了神经网络在各个领域的相关应用，读者可以根据自己研究问题的需要，第一时间找到适合自己学习的神经网络章节，进行阅读。
因此我相信此书的出版，必将大大加速各位神经网络使用人员的学习进度，提升大家的工程应用能力。在此我郑重向大家推荐此书。
, I4 A5 h. y! L/ z
' S. N( c0 L& ^/ ^8 ?
# K2 v, i8 |, rMathWorks 中国教育业务发展总监

陈炜博士
% _" m6 p# H+ n6 X
6 ?. C! c; D4 t; p; d: X: D  N* Y* m2013年6月于上海
# G  w% e$ N: `& j+ b) y/ }

1 s' m" a, b; Wpdf 链接: http://pan.baidu.com/s/1qW2obyG 密码: lc6r
5 ^4 f" y0 R4 o. |- ?数据程序 链接: http://pan.baidu.com/s/1qW2obyG 密码: lc6r

- B' C: D7 _# l$ h+ F

; s% n* _% p' ?9 t3 f% p